本發(fā)明屬于病理圖像處理，具體涉及一種生物標(biāo)志物預(yù)測方法、裝置、設(shè)備及存儲(chǔ)介質(zhì)。

背景技術(shù)：

1、惡性腫瘤及時(shí)和準(zhǔn)確的診斷對(duì)于患者的治療選擇和預(yù)后評(píng)估至關(guān)重要。生物標(biāo)志物在癌癥的診療中扮演著至關(guān)重要的角色，它們不僅能夠提高診斷的準(zhǔn)確性，還能在風(fēng)險(xiǎn)評(píng)估、治療決策、療效監(jiān)測等方面發(fā)揮重要作用。通常通過聚合酶鏈反應(yīng)（pcr）、測序或免疫組化分析檢測生物標(biāo)志物是目前主流的方法。但是，對(duì)于低收入和中等收入國家的許多患者來說，基因生物標(biāo)志物的檢測存在高昂成本和復(fù)雜基礎(chǔ)設(shè)施的問題。同時(shí)，由于基因生物標(biāo)志物的檢測方法的復(fù)雜性，使得檢測周期長，造成治療方案推遲。

2、如：前列腺癌生物標(biāo)志物ar-v7（雄激素受體剪接變異體7）是當(dāng)前前列腺癌治療領(lǐng)域的一個(gè)重要焦點(diǎn)。ar-v7是雄激素受體（ar）的一種剪接變體，它在前列腺癌的治療耐藥性和疾病進(jìn)展中起著關(guān)鍵作用。qrt-pcr是目前最常用的ar-v7?mrna檢測方法，但技術(shù)路線復(fù)雜，需要專業(yè)的實(shí)驗(yàn)室條件和技術(shù)人員，限制了其在臨床上的廣泛應(yīng)用。

3、人工智能（ai）在預(yù)測生物標(biāo)志物方面的應(yīng)用正迅速發(fā)展，主要包括數(shù)據(jù)挖掘、機(jī)器學(xué)習(xí)、深度學(xué)習(xí)等。深度學(xué)習(xí)技術(shù)能夠處理和分析大量的生物信息學(xué)和臨床數(shù)據(jù)，挖掘出生物標(biāo)志物與疾病之間的關(guān)聯(lián)，發(fā)現(xiàn)新的生物標(biāo)志物和潛在的治療靶點(diǎn)。但是現(xiàn)有的人工智能預(yù)測方法存在以下問題。

4、第一，難以確定腫瘤和正常組織，技術(shù)難度大。在腫瘤和正常組織邊界處易產(chǎn)生分類錯(cuò)誤，降低診斷的準(zhǔn)確性。常規(guī)分類方法未能準(zhǔn)確反映腫瘤細(xì)胞的實(shí)際分布，無法提供腫瘤細(xì)胞的具體比例，關(guān)鍵信息的缺失影響治療決策。

5、第二，高標(biāo)注成本。精確的像素級(jí)分割需要大量的專家手工標(biāo)注，成本高且耗時(shí)。

6、第三，自適應(yīng)性差。病理圖像的高分辨率和染色不一致性，使得精確的像素級(jí)分割極具挑戰(zhàn)。細(xì)胞形態(tài)和染色質(zhì)量的個(gè)體差異導(dǎo)致算法難以普遍適用于不同樣本。

技術(shù)實(shí)現(xiàn)思路

1、為了解決上述技術(shù)問題，本發(fā)明提出了一種生物標(biāo)志物預(yù)測方法、裝置、設(shè)備及存儲(chǔ)介質(zhì)。

2、為了達(dá)到上述目的，本發(fā)明的技術(shù)方案如下：

3、第一方面，本發(fā)明公開一種生物標(biāo)志物預(yù)測方法，包括：

4、步驟s1：收集患者的病理圖像及其對(duì)應(yīng)標(biāo)注信息；

5、步驟s2：將收集的每個(gè)病理圖像劃分為若干圖像塊，并進(jìn)行預(yù)處理；

6、步驟s3：基于預(yù)處理后的圖像塊，建立生物標(biāo)志物數(shù)據(jù)集和腫瘤分割數(shù)據(jù)集；

7、生物標(biāo)志物數(shù)據(jù)集包括：標(biāo)注有生物標(biāo)志物診斷結(jié)果的圖像塊；

8、腫瘤分割數(shù)據(jù)集包括：標(biāo)注有腫瘤和正常組織的圖像塊；

9、步驟s4：利用生物標(biāo)志物數(shù)據(jù)集訓(xùn)練自監(jiān)督學(xué)習(xí)模型，自監(jiān)督學(xué)習(xí)模型用于將每個(gè)圖像塊劃分為若干圖像片，并提取每個(gè)圖像片的圖像片特征；

10、步驟s5：采用訓(xùn)練好的自監(jiān)督學(xué)習(xí)模型將腫瘤分割數(shù)據(jù)集內(nèi)每個(gè)圖像塊劃分為若干圖像片，并提取每個(gè)圖像片的圖像片特征；

11、步驟s6：利用步驟s5獲得的腫瘤分割數(shù)據(jù)集的圖像片特征訓(xùn)練腫瘤分割模型，腫瘤分割模型用于預(yù)測每個(gè)圖像塊及對(duì)應(yīng)圖像片的腫瘤概率；

12、步驟s7：采用訓(xùn)練好的腫瘤分割模型預(yù)測生物標(biāo)志物數(shù)據(jù)集內(nèi)每個(gè)圖像塊及對(duì)應(yīng)圖像片的腫瘤概率；

13、步驟s8：基于步驟s7的預(yù)測結(jié)果，篩選優(yōu)化生物標(biāo)志物數(shù)據(jù)集內(nèi)的圖像塊，生成新的生物標(biāo)志物數(shù)據(jù)集；

14、步驟s9：采用訓(xùn)練好的自監(jiān)督學(xué)習(xí)模型將新的生物標(biāo)志物數(shù)據(jù)集內(nèi)每個(gè)圖像塊劃分為若干圖像片，并提取每個(gè)圖像片的圖像片特征；

15、步驟s10：利用步驟s9獲得的新的生物標(biāo)志物數(shù)據(jù)集的圖像片特征訓(xùn)練生物標(biāo)志物預(yù)測模型，生物標(biāo)志物預(yù)測模型用于預(yù)測患者的生物標(biāo)志物狀態(tài)；

16、步驟s11：將訓(xùn)練好的模型應(yīng)用待分析的病理圖像，預(yù)測生物標(biāo)志物狀態(tài)。

17、在上述技術(shù)方案的基礎(chǔ)上，還可做如下改進(jìn)：

18、作為優(yōu)選的方案，步驟s2包括：

19、步驟s2.1：將收集的每個(gè)病理圖像按照固定尺寸劃分為若干圖像塊；

20、步驟s2.2：調(diào)整統(tǒng)一所有圖像塊的分辨率；

21、步驟s2.3：篩選并排除無效圖像塊。

22、作為優(yōu)選的方案，步驟s11包括：

23、步驟s11.1：收集患者的待分析病理圖像；

24、步驟s11.2：將收集的每個(gè)病理圖像劃分為若干圖像塊，并進(jìn)行預(yù)處理；

25、步驟s11.3：基于預(yù)處理后的圖像塊，建立待分析數(shù)據(jù)集；

26、步驟s11.4：利用訓(xùn)練好的自監(jiān)督學(xué)習(xí)模型將待分析數(shù)據(jù)集內(nèi)的每個(gè)圖像塊分為若干圖像片，并提取每個(gè)圖像片的圖像片特征；

27、步驟s11.5：基于待分析數(shù)據(jù)集的圖像片特征，利用訓(xùn)練好的腫瘤分割模型預(yù)測每個(gè)圖像塊及對(duì)應(yīng)圖像片的腫瘤概率；

28、步驟s11.6：基于步驟s11.5的預(yù)測結(jié)果，篩選優(yōu)化待分析數(shù)據(jù)集內(nèi)的圖像塊，生成新的待分析數(shù)據(jù)集；

29、步驟s11.7：采用訓(xùn)練好的自監(jiān)督學(xué)習(xí)模型將新的待分析數(shù)據(jù)集內(nèi)每個(gè)圖像塊劃分為若干圖像片，并提取每個(gè)圖像片的圖像片特征；

30、步驟s11.8：基于新的待分析數(shù)據(jù)集的圖像片特征，利用訓(xùn)練好的生物標(biāo)志物預(yù)測模型預(yù)測患者的生物標(biāo)志物狀態(tài)。

31、作為優(yōu)選的方案，步驟s8和步驟s11.6分別通過以下步驟篩選優(yōu)化對(duì)應(yīng)數(shù)據(jù)集內(nèi)的圖像塊，具體包括：

32、步驟a：根據(jù)每個(gè)圖像塊預(yù)測的腫瘤概率，判斷每個(gè)圖像塊為腫瘤圖像塊或正常組織圖像塊；

33、根據(jù)每個(gè)圖像片預(yù)測的腫瘤概率，判斷每個(gè)圖像片為腫瘤圖像片或正常組織圖像片；

34、步驟b：篩除對(duì)應(yīng)數(shù)據(jù)集內(nèi)的所有被判斷為正常組織的圖像塊；

35、步驟c：評(píng)估對(duì)應(yīng)數(shù)據(jù)集內(nèi)剩下的每個(gè)圖像塊的腫瘤含量t，

36、t=m/n；

37、其中：m為該圖像塊中被判斷為腫瘤圖像片的數(shù)量；

38、n為該圖像塊中所有圖像片的數(shù)量；

39、步驟d：根據(jù)每個(gè)圖像塊的腫瘤含量，從對(duì)應(yīng)數(shù)據(jù)集剩下的圖像塊中篩選出腫瘤含量超過含量閾值的圖像塊；

40、步驟e：對(duì)于篩選出的圖像塊，采用掩碼技術(shù)移除所有被判斷為正常組織的圖像片，得到新的圖像塊，形成新的對(duì)應(yīng)數(shù)據(jù)集。

41、第二方面，本發(fā)明還公開一種生物標(biāo)志物預(yù)測裝置，包括：

42、收集模塊，用于收集患者的病理圖像及其對(duì)應(yīng)標(biāo)注信息；

43、預(yù)處理模塊，用于將收集的每個(gè)病理圖像劃分為若干圖像塊，并進(jìn)行預(yù)處理；

44、數(shù)據(jù)集建立模塊，用于基于預(yù)處理后的圖像塊，建立生物標(biāo)志物數(shù)據(jù)集和腫瘤分割數(shù)據(jù)集；

45、生物標(biāo)志物數(shù)據(jù)集包括：標(biāo)注有生物標(biāo)志物診斷結(jié)果的圖像塊；

46、腫瘤分割數(shù)據(jù)集包括：標(biāo)注有腫瘤和正常組織的圖像塊；

47、自監(jiān)督學(xué)習(xí)模型訓(xùn)練模塊，用于利用生物標(biāo)志物數(shù)據(jù)集訓(xùn)練自監(jiān)督學(xué)習(xí)模型，自監(jiān)督學(xué)習(xí)模型用于將每個(gè)圖像塊劃分為若干圖像片，并提取每個(gè)圖像片的圖像片特征；

48、第一特征提取模塊，用于采用訓(xùn)練好的自監(jiān)督學(xué)習(xí)模型將腫瘤分割數(shù)據(jù)集內(nèi)每個(gè)圖像塊劃分為若干圖像片，并提取每個(gè)圖像片的圖像片特征；

49、腫瘤分割模型訓(xùn)練模塊，用于利用第一特征提取模塊獲得的腫瘤分割數(shù)據(jù)集的圖像片特征訓(xùn)練腫瘤分割模型，腫瘤分割模型用于預(yù)測每個(gè)圖像塊及對(duì)應(yīng)圖像片的腫瘤概率；

50、分割預(yù)測模塊，用于采用訓(xùn)練好的腫瘤分割模型預(yù)測生物標(biāo)志物數(shù)據(jù)集內(nèi)每個(gè)圖像塊及對(duì)應(yīng)圖像片的腫瘤概率；

51、篩選優(yōu)化模塊，用于基于分割預(yù)測模塊的預(yù)測結(jié)果，篩選優(yōu)化生物標(biāo)志物數(shù)據(jù)集內(nèi)的圖像塊，生成新的生物標(biāo)志物數(shù)據(jù)集；

52、第二特征提取模塊，用于采用訓(xùn)練好的自監(jiān)督學(xué)習(xí)模型將新的生物標(biāo)志物數(shù)據(jù)集內(nèi)每個(gè)圖像塊劃分為若干圖像片，并提取每個(gè)圖像片的圖像片特征；

53、生物標(biāo)志物預(yù)測模型訓(xùn)練模塊，用于利用第二特征提取模塊獲得的新的生物標(biāo)志物數(shù)據(jù)集的圖像片特征訓(xùn)練生物標(biāo)志物預(yù)測模型，生物標(biāo)志物預(yù)測模型用于預(yù)測患者的生物標(biāo)志物狀態(tài)；

54、應(yīng)用模塊，用于將訓(xùn)練好的模型應(yīng)用待分析的病理圖像，預(yù)測生物標(biāo)志物狀態(tài)。

55、作為優(yōu)選的方案，預(yù)處理模塊包括：

56、圖像塊劃分單元，用于將收集的每個(gè)病理圖像按照固定尺寸劃分為若干圖像塊；

57、分辨率調(diào)整單元，用于調(diào)整統(tǒng)一所有圖像塊的分辨率；

58、無效圖像塊篩除單元，用于篩選并排除無效圖像塊。

59、作為優(yōu)選的方案，應(yīng)用模塊包括：

60、應(yīng)用收集單元，用于收集患者的待分析病理圖像；

61、應(yīng)用預(yù)處理單元，用于將收集的每個(gè)病理圖像劃分為若干圖像塊，并進(jìn)行預(yù)處理；

62、應(yīng)用數(shù)據(jù)集建立單元，用于基于預(yù)處理后的圖像塊，建立待分析數(shù)據(jù)集；

63、應(yīng)用第一特征提取單元，用于利用訓(xùn)練好的自監(jiān)督學(xué)習(xí)模型將待分析數(shù)據(jù)集內(nèi)的每個(gè)圖像塊分為若干圖像片，并提取每個(gè)圖像片的圖像片特征；

64、應(yīng)用分割預(yù)測單元，用于基于待分析數(shù)據(jù)集的圖像片特征，利用訓(xùn)練好的腫瘤分割模型預(yù)測每個(gè)圖像塊及對(duì)應(yīng)圖像片的腫瘤概率；

65、應(yīng)用篩選優(yōu)化單元，用于基于應(yīng)用分割預(yù)測單元的預(yù)測結(jié)果，篩選優(yōu)化待分析數(shù)據(jù)集內(nèi)的圖像塊，生成新的待分析數(shù)據(jù)集；

66、應(yīng)用第二特征提取單元，用于采用訓(xùn)練好的自監(jiān)督學(xué)習(xí)模型將新的待分析數(shù)據(jù)集內(nèi)每個(gè)圖像塊劃分為若干圖像片，并提取每個(gè)圖像片的圖像片特征；

67、應(yīng)用預(yù)測單元，用于基于新的待分析數(shù)據(jù)集的圖像片特征，利用訓(xùn)練好的生物標(biāo)志物預(yù)測模型預(yù)測患者的生物標(biāo)志物狀態(tài)。

68、作為優(yōu)選的方案，篩選優(yōu)化模塊和應(yīng)用篩選優(yōu)化單元分別包括：

69、判斷單元，用于根據(jù)每個(gè)圖像塊預(yù)測的腫瘤概率，判斷每個(gè)圖像塊為腫瘤圖像塊或正常組織圖像塊；

70、根據(jù)每個(gè)圖像片預(yù)測的腫瘤概率，判斷每個(gè)圖像片為腫瘤圖像片或正常組織圖像片；

71、篩除單元，用于篩除對(duì)應(yīng)數(shù)據(jù)集內(nèi)的所有被判斷為正常組織的圖像塊；

72、腫瘤含量評(píng)估單元，用于評(píng)估對(duì)應(yīng)數(shù)據(jù)集內(nèi)剩下的每個(gè)圖像塊的腫瘤含量t，

73、t=m/n；

74、其中：m為該圖像塊中被判斷為腫瘤圖像片的數(shù)量；

75、n為該圖像塊中所有圖像片的數(shù)量；

76、篩選單元，用于根據(jù)每個(gè)圖像塊的腫瘤含量，從對(duì)應(yīng)數(shù)據(jù)集剩下的圖像塊中篩選出腫瘤含量超過含量閾值的圖像塊；

77、形成單元，用于對(duì)于篩選出的圖像塊，采用掩碼技術(shù)移除所有被判斷為正常組織的圖像片，得到新的圖像塊，形成新的對(duì)應(yīng)數(shù)據(jù)集。

78、第三方面，本發(fā)明還公開一種計(jì)算設(shè)備，包括：

79、一個(gè)或多個(gè)處理器；

80、存儲(chǔ)器；

81、以及一個(gè)或多個(gè)程序，其中一個(gè)或多個(gè)程序存儲(chǔ)在存儲(chǔ)器中并被配置為由一個(gè)或多個(gè)處理器執(zhí)行，一個(gè)或多個(gè)程序包括上述任一生物標(biāo)志物預(yù)測方法的指令。

82、第四方面，本發(fā)明還公開一種存儲(chǔ)介質(zhì)，其特征在于，存儲(chǔ)介質(zhì)存儲(chǔ)有一個(gè)或多個(gè)計(jì)算機(jī)可讀的程序，一個(gè)或多個(gè)程序包括指令，指令適于由存儲(chǔ)器加載并執(zhí)行上述任一生物標(biāo)志物預(yù)測方法。

83、本發(fā)明公開一種生物標(biāo)志物預(yù)測方法、裝置、設(shè)備及存儲(chǔ)介質(zhì)，其具有以下有益效果：

84、第一，本發(fā)明采用自監(jiān)督學(xué)習(xí)模型提取圖像片特征，降低了對(duì)人工標(biāo)注數(shù)據(jù)的依賴。

85、第二，本發(fā)明基于圖像片特征采用弱監(jiān)督學(xué)習(xí)方法訓(xùn)練腫瘤分割模型，可以準(zhǔn)確的把腫瘤組織和正常組織進(jìn)行分割。

86、第三，本發(fā)明根據(jù)腫瘤分割模型的預(yù)測結(jié)果對(duì)圖像塊進(jìn)行篩選優(yōu)化，使得生物標(biāo)志物的預(yù)測更為準(zhǔn)確。

87、綜上述，本發(fā)明可以有效對(duì)生物標(biāo)志物的狀態(tài)進(jìn)行預(yù)測，預(yù)測精度高，可有效的減輕臨床病理醫(yī)生的負(fù)擔(dān)，提高腫瘤相關(guān)生物標(biāo)志物的預(yù)測準(zhǔn)確性，具有顯著的臨床意義。